Wiederholung/Einführung Lineare Regression Zusammenfassung. Regression I. Statistik I. Sommersemester 2009
|
|
- Stephan Salzmann
- vor 6 Jahren
- Abrufe
Transkript
1 Sommersemester 2009
2 Wiederholung/Einführung Ein Beispiel: Armut und Gewaltverbrechen Rechtswahl Arbeitslosigkeit
3 Zum Nachlesen Agresti: Gehring/Weins: 8 Schumann:
4 Was ist ein Zusammenhang? Gemeinsame Verteilung zweier Variablen weicht von Randverteilungen ab
5 Was ist ein Zusammenhang? Gemeinsame Verteilung zweier Variablen weicht von Randverteilungen ab Muster gemeinsame Verteilung zufällige Verteilung
6 Zusammenhangsmaß für intervallskalierte Daten? x überdurchschnittlich, y überdurchschnittlich (und umgekehrt) positiver Zusammenhang x überdurchschnittlich, y unterdurchschnittlich (und umgekehrt) negativer Zusammenhang Maß für gemeinsame Abweichung von zwei Mittelwerten: Abweichungsprodukt SAP: Welches Muster überwiegt? Kovarianz: SAP/n Teilen durch Produkt Standardabweichungen r, standardisiert Kovarianz auf Wertebereich [-1;1]
7 Was ist ein linearer Zusammenhang? r mißt lineare Zusammenhänge Zusammenhang zwischen zwei Variablen entspricht näherungsweise einer geraden Linie Formaler: Wert einer Variable könnte durch Addition/Multiplikation in Wert anderer Variable (plus Fehler) überführt werden 15 Rechtswahl Arbeitslosigkeit
8 Was ist ein linearer Zusammenhang? r mißt lineare Zusammenhänge Zusammenhang zwischen zwei Variablen entspricht näherungsweise einer geraden Linie Formaler: Wert einer Variable könnte durch Addition/Multiplikation in Wert anderer Variable (plus Fehler) überführt werden 15 Rechtswahl Arbeitslosigkeit
9 Was ist ein statistisches Modell? Mathematische Formalisierung von Theorie/Hypothesen Set von Gleichung(en) Eine oder mehrere abhängige Variablen als Funktion von einer/mehrerer unabhängiger Variablen Funktionen: Abbildungsvorschrift; input/output Modelle sind nicht wahr/maßstäblich Test von Hypothesen/extrem vereinfachten Beschreibungen
10 Was ist lineare Einfachregression? linear : nur lineare Beziehungen zwischen Variablen einfach : eine abhängige, eine unabhängige Variable Regression : Rückführung ; konditionaler Mittelwert der abhängigen Variablen abhängig vom Niveau der unabhängigen Variablen
11 Was ist Regression? Regression ist der Oberbegriff für Verfahren,... die die konditionale Verteilung einer Variablen y... in Abhängigkeit von einer oder mehreren anderen Variablen x 1, x 2... x k beschreiben Was ist eine konditionale Verteilung? Verteilung von y (Mittelwert, Streuung etc.)... innerhalb von Subgruppen, die durch x1, x 2... x k definiert sind
12 Armut und Gewaltverbrechen in 51 Bundesstaaten Statistiken auf Ebene der 50 Bundesstaaten plus Washington D.C. Zusammenhang zwischen Anteil der Armen (in Prozent) an Gesamtbevölkerung und Morde pro Einwohner? Konditionale Verteilung von y (Morde) Für verschiedene Werte von x 1 (Armutsquote)
13 Beispiel: Konditionale Verteilung Mordquote für Armutsquote 10.5% Percent of Total Morde AM = 3.6
14 Beispiel: Konditionale Verteilung Mordquote für Armutsquote 12.5% Percent of Total Morde AM = 5.7
15 Was ist lineare Regression? II Konditionale Mittelwerte können durch gerade Linie verbunden werden Konditionale Variation um konditionalen Mittelwert
16 Wie war das mit dem konditionalen Mittelwert?
17 Was ist lineare Regression? II Konditionale Mittelwerte können durch gerade Linie verbunden werden Konditionale Variation um konditionalen Mittelwert Übergang zum Modell: Annahmen über die Eigenschaften der Linie kommen von außen Abhängige / unabhängige Variable kommen ebenfalls von außen Was ist damit gewonnen?
18 Was ist lineare Regression? II Konditionale Mittelwerte können durch gerade Linie verbunden werden Konditionale Variation um konditionalen Mittelwert Übergang zum Modell: Annahmen über die Eigenschaften der Linie kommen von außen Abhängige / unabhängige Variable kommen ebenfalls von außen Was ist damit gewonnen? Wenn Annahme über Linie (Modell) gültig Allgemeiner Mechanismus einfach
19 Was ist lineare Regression? II Konditionale Mittelwerte können durch gerade Linie verbunden werden Konditionale Variation um konditionalen Mittelwert Übergang zum Modell: Annahmen über die Eigenschaften der Linie kommen von außen Abhängige / unabhängige Variable kommen ebenfalls von außen Was ist damit gewonnen? Wenn Annahme über Linie (Modell) gültig Allgemeiner Mechanismus einfach setzt Kausalität nicht voraus Kann Kausalität nicht bestätigen
20 Was macht man mit Modellen? Wenn Modell korrekt (angemessen), y-werte für nicht beobachtete x Allgemeiner, einfacher, eleganter Mechanismus 1. Kompakte Beschreibung 2. Besseres Verständnis/Hypothesentest 3. Prognose für zusätzliche/hypothetische/zukünftige x
21 Kausalität und Korrelation Was ist Kausalität?
22 Kausalität und Korrelation Was ist Kausalität? x verursacht y. Hypothetisch: ohne x kein y; anderes x anderes y Voraussetzungen: theoretischer Zusammenhang, zeitliche Reihenfolge, keine anderen Variablen ( Theorie und Forschungsdesign) + empirischer Zusammenhang (Korrelation) Näherungsweise Prüfung von Kausalität in experimentellen Designs In Ex-post-facto Designs nur hypothetische Prüfung; statistische Kontrolle von Drittvariablen
23 Kausalität und Korrelation Was ist Kausalität? x verursacht y. Hypothetisch: ohne x kein y; anderes x anderes y Voraussetzungen: theoretischer Zusammenhang, zeitliche Reihenfolge, keine anderen Variablen ( Theorie und Forschungsdesign) + empirischer Zusammenhang (Korrelation) Näherungsweise Prüfung von Kausalität in experimentellen Designs In Ex-post-facto Designs nur hypothetische Prüfung; statistische Kontrolle von Drittvariablen Korrelation notwendig, aber nicht hinreichend für Kausalität Korrelation kann durch gemeinsame Hintergrundvariablen zustande kommen Korrelation kann durch andere Variablen unterdrückt werden, obwohl kausaler Zusammenhang besteht
24 Welche Form hat das Modell der linearen Einfachregression? y =a + b 1 x 1 +e bzw. y =b 0 + b 1 x 1 +e bzw. y =α + β 1 x 1 +ɛ bzw. y =β 0 + β 1 x 1 +ɛ bzw.
25 Welche Form hat das Modell der linearen Einfachregression? y =a + b 1 x 1 +e bzw. y =b 0 + b 1 x 1 +e bzw. y =α + β 1 x 1 +ɛ bzw. y =β 0 + β 1 x 1 +ɛ bzw. Deskription vs. Inferenz lateinische vs. griechische Buchstaben
26 Welche Form hat das Modell der linearen Einfachregression? y =a + b 1 x 1 + b 2 x 2 + b 3 x 3 +e bzw. y =b 0 + b 1 x 1 + b 2 x 2 + b 3 x 3 +e bzw. y =α + β 1 x 1 + β 2 x 2 + β 3 x 3 +ɛ bzw. y =β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 +ɛ bzw. Deskription vs. Inferenz lateinische vs. griechische Buchstaben Erweiterung zum multivariaten Modell möglich
27 Welche Bestandteile hat dieses Modell? 1. y: abhängige Variable, soll erklärt werden 2. a oder b 0 oder α oder β 0 : Achsenabschnitt : Wert von y wenn x (1) = 0 3. b 1 oder β 1 : Steigung ; erwarteter Effekt auf y wenn x 1 um eine Einheit zunimmt 4. e oder ɛ: Abweichung zwischen erwartetem und beobachtetem y; zufällige Einflüsse 2 und 3 bilden die systematische/deterministische Komponente 4 ist die stochastische/zufällige Komponente
28 Warum ɛ? Wiederholung/Einführung To err is human, to forgive divine, but to include errors into your design is statistical (Leslie Kish)
29 Warum ɛ? Wiederholung/Einführung To err is human, to forgive divine, but to include errors into your design is statistical (Leslie Kish) Kein Modell paßt perfekt Zahl der unabhängigen Variablen beschränkt ɛ umfaßt Nichtgemessene Einflüsse, die vernachlässigt werden können Genuin zufällige Einflüsse Modell Wirklichkeit ɛ
30 Wie sieht das praktisch aus? y e = y 3 ŷ y = y 2 y 1 } a = 2 x = x 2 x 1 y x = b ŷ = a + bx + e = x + e x
31 Wie interpretiert man das Modell der linearen Einfachregression? b: Stärke/Richtung des Effektes von x auf y Bei Interpretation Wertebereiche von x und y beachten ŷ ist der für einen x-wert vorhergesagte Wert von y Konditionaler Mittelwert von y Unter Berücksichtigung der Modellannahmen Vergleich Modell/Empirie: ŷ i vs. y i Warum weicht yi ab? Untypisch? Hypothetische Werte: Wieviel Morde würden wir in einem Bundesstaat ohne Armut erwarten (wenn Modell gilt) Prognose: Wie wirkt sich ein Anstieg der Armut aus? Wie stark läßt sich Verbrechen durch Armutsbekämpfung reduzieren?
32 Daten: Armut und Morde in 51 Bundesstaaten Strukturdaten für 51 US-Staaten (Morde, Armut, % Weiße, % urbane Bevölkerung etc.) Unterschiede in x und y Hawaii: 8 Prozent Arme, Louisiana 26.4 Prozent Maine: 1.6 Morde pro Einwohner, Washington D.C Sehr hohe Aggregationsebene Sehr große Unterschiede in Größe der Einheiten Wyoming: 522,830 Einwohner California: 36,553,215 Einwohner
33 Was erwarten wir? Warum?
34 Was erwarten wir? Warum? Sind Arme gewalttätiger? Macht Armut gewalttätig? Gibt es gemeinsame Ursachen? Sind weniger gewalttätige Staaten wirtschaftlich erfolgreicher?... Kein Rückschluß auf individuelles Verhalten (ökologischer Fehlschluß)
35 Wie sieht die bivariate Verteilung aus? murder poverty
36 Wie sieht die bivariate Verteilung aus? 20 murder[1:50] poverty[1:50]
37 Wie sieht die bivariate Verteilung aus? 20 murder[1:50] poverty[1:50]
38 Was ist ein Kriterium für gute Parameter? Gesucht werden Werte für a und b, die die Summe der quadrierten Abweichungen in y-richtung minimieren Gute Trendgerade Warum? Vorhersagefehler für y optimieren guter fit (innerhalb Modellannahmen) Einfache Abweichungen nicht eindeutig
39 Warum werden nicht die einfachen Abweichungen verwendet? y ŷ = 0 + 2x; e 1 + e 2 + e 3 = 0 x
40 Warum werden nicht die einfachen Abweichungen verwendet? y } e 3 = y 3 ŷ 3 = 2 } e 1 = y 1 ŷ 1 = 2 ŷ = 6 + 0x; e 1 + e 2 + e 3 = = 0 x
41 Was ist ein Kriterium für gute Parameter? Gesucht werden Werte für a und b, die die Summe der quadrierten Abweichungen in y-richtung minimieren Gute Trendgerade Warum? Vorhersagefehler für y optimieren guter fit (innerhalb Modellannahmen) Einfache Abweichungen nicht eindeutig Quadrierte Abweichungen eindeutig + Gewichtung große Abweichungen Optimales Schätzverfahren, wenn Bedingungen erfüllt
42 Wie werden die Parameter bestimmt? Gesucht: Werte für a und b, die SAQ y (bezogen auf ŷ) minimal machen Verlustfunktion, abhängig von Daten und Parameterschätzungen Verlustfunktion SAQ y = = n (y i (b 0 + b 1 x 1i )) 2 i=1 n (y i b 0 b 1 x 1i ) 2 i=1
43 Wie finde ich das Minimum dieser Funktion? Analytische Lösung Notwendige Bedingung für einen Extremwert: 1. Ableitung gleich 0 (Tangente ist an dieser Stelle flach) Funktion hat zwei Variablen zwei partielle Ableitungen (nach b 0 und b 1 ) betrachten
44 Wie finde ich die partiellen Ableitungen? SAQ = SAQ b 0 = SAQ b 1 = n (y i b 0 b 1 x 1i ) 2 (1) i=1 n 1 2 (y i b 0 b 1 x 1i ) = 0 (2) i=1 n x 1i 2 (y i b 0 b 1 x 1i ) = 0 (3) i=1
45 Wie finde ich die Werte für b 0 und b 1? Durch Umformen/Auflösen ergibt sich: b 0 =ȳ b 1 x 1 (4) (x1i x 1 )(y i ȳ) b 1 = (x1i x 1 ) 2 = (5)
46 Wie finde ich die Werte für b 0 und b 1? Durch Umformen/Auflösen ergibt sich: b 0 =ȳ b 1 x 1 (4) (x1i x 1 )(y i ȳ) b 1 = (x1i x 1 ) 2 = SAP xy (5) SAQ x
47 Die einfache Variante b 1 = SAP SAQ x D. h. mit den aus der Berechnung von r bekannten SAP und SAQ b bestimmen Diese Gerade läuft durch Punkt ( x, ȳ) Steigungsdreieck konstruieren, a berechnen
48 Wie sieht das praktisch aus? ( x, ȳ) y y = ȳ a (0, a) } a = 2 x = x 0 y x = ȳ a x 0 = b x
49 Die einfache Variante Wiederholung/Einführung b 1 = SAP SAQ x D. h. mit den aus der Berechnung von r bekannten SAP und SAQ b bestimmen Diese Gerade läuft durch Punkt ( x, ȳ) Steigungsdreieck konstruieren, a berechnen b 1 = y x = ȳ a x 0 = ȳ a x a = b 0 = ȳ b 1 x
50 Wie sieht das im Beispiel aus? x = ȳ = SAQ x = SAP = Koeffizienten
51 Wie sieht das im Beispiel aus? x = ȳ = SAQ x = SAP = Koeffizienten b 1 = SAP SAQ x = = 1.32
52 Wie sieht das im Beispiel aus? x = ȳ = SAQ x = SAP = Koeffizienten b 1 = SAP SAQ x = = 1.32 a = b 0 = ȳ b 1 x = 10.14
53 Was bedeutet das? Statistisch ist bei einem Anstieg der Armutsquote um einen Punkt etwas mehr als ein zusätzlicher Mord / Einwohner zu erwarten Louisiana sollte = 24.8 Morde haben, hat aber nur 20.3 Keine Armut: 10.1 Morde? Bei etwa 8 Prozent Armutsquote wären gar keine Morde mehr zu erwarten? Rolle von ɛ
54 Lineare Einfachregression als einfachstes statistisches Modell Beschreibt Zusammenhang zwischen zwei Variablen mit Veränderungsrate und Konstante Muster für eine ganze Reihe von komplexeren Modellen Modelle Ermöglichen kompakte Beschreibung und Erleichtern Verständnis der Zusammenhänge Ermöglichen ggf. Schluß auf eine Grundgesamtheit Gestatten Prognosen für zukünftige und hypothetische Fälle Wenn Modell korrekt spezifiziert und Annahmen realistisch
Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.
Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes
MehrMultiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse
Multiple Regression II: Signifikanztests,, Multikollinearität und Kohortenanalyse Statistik II Übersicht Literatur Kausalität und Regression Inferenz und standardisierte Koeffizienten Statistik II Multiple
MehrAnalyse von Querschnittsdaten. Regression mit Dummy-Variablen
Analyse von Querschnittsdaten Regression mit Dummy-Variablen Warum geht es in den folgenden Sitzungen? Datum Vorlesung 9.0.05 Einführung 26.0.05 Beispiele 02..05 Forschungsdesigns & Datenstrukturen 09..05
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
Mehra) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.
Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html
MehrKategoriale abhängige Variablen:
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell Statistik II
MehrQuantitative Methoden der Bildungsforschung
Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang
MehrKategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell
MehrWeitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression
Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Speziell im Zusammenhang mit der Ablehnung der Globalhypothese werden bei einer linearen Einfachregression weitere Fragestellungen
MehrMultiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)
Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrWeiterbildungskurs Stochastik
Hansruedi Künsch Seminar für Statistik Departement Mathematik, ETH Zürich 24. Juni 2009 Inhalt STATISTIK DER BINOMIALVERTEILUNG 1 STATISTIK DER BINOMIALVERTEILUNG 2 Fragestellungen Typische Fragestellungen
MehrAssoziation & Korrelation
Statistik 1 für SoziologInnen Assoziation & Korrelation Univ.Prof. Dr. Marcus Hudec Einleitung Bei Beobachtung von 2 Merkmalen für jeden Merkmalsträger stellt sich die Frage, ob es systematische Zusammenhänge
MehrDas Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":
Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur
Mehr2. Korrelation, lineare Regression und multiple Regression
multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig
MehrEinfache Modelle für Paneldaten. Statistik II
Einfache Modelle für daten Statistik II Wiederholung Literatur daten Policy-Analyse II: Statistik II daten (1/18) Literatur Zum Nachlesen Einfache Modelle für daten Wooldridge ch. 13.1-13.4 (im Reader)
MehrInterne und externe Modellvalidität
Interne und externe Modellvalidität Interne Modellvalidität ist gegeben, o wenn statistische Inferenz bzgl. der untersuchten Grundgesamtheit zulässig ist o KQ-Schätzer der Modellparameter u. Varianzschätzer
MehrInstitut für Soziologie Benjamin Gedon. Methoden 2. Regressionsanalyse IV: Transformation und Interaktion
Institut für Soziologie Methoden 2 Regressionsanalyse IV: Transformation und Interaktion Inhalt 1. Zusammenfassung letzte Sitzung 2. Weitere Annahmen und Diagnostik 3. Transformationen zur besseren Interpretierbarkeit
MehrTeil II: Einführung in die Statistik
Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu
MehrAuswertung und Darstellung wissenschaftlicher Daten (1)
Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea
MehrStatistik Einführung // Lineare Regression 9 p.2/72
Statistik Einführung Lineare Regression Kapitel 9 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Ledold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Lineare Regression
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
Mehr6.2 Regressionsanalyse
c-kennzahlensystem (ROCI) 6. Regressionsanalyse Die Regressionsanalyse zählt zu den wichtigsten Analysemethoden des Kommunikationscontrollings und hat ihre tiefen Wurzeln in der Statistik. Im Rahmen des
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
MehrLineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA)
Interdisziplinäres Seminar Lineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA) WS 2008/09 19.11.2008 Julia Schiele und Lucie Wink Dozenten: Prof. Dr. Bühner, Prof. Dr. Küchenhoff
MehrKapitel 23 Lineare Regression
Kapitel 23 Lineare Regression Sowohl einfache als auch multiple Regressionsanalysen können Sie mit dem Befehl STATISTIK REGRESSION LINEAR... durchführen. Dabei lassen sich mit Hilfe diverser Optionen zahlreiche
MehrStatische Versuchsplanung (DoE - Design of Experiments)
Statische Versuchsplanung (DoE - Design of Experiments) Übersicht Bei der statistischen Versuchsplanung wird die Wirkung von Steuerparametern unter dem Einfluss von Störparametern untersucht. Mit Hilfe
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
Mehr6. Auswertung mehrdimensionaler Daten
6. Auswertung mehrdimensionaler Daten Bisher: Auswertungsmethoden für Daten eines einzelnen Merkmals, z.b. Diskrete Klassierung Grafische Darstellungen (Verteilungsfunktion) Lagemaße Streungsmaße Schiefemaße
MehrUmgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen
Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen
MehrDatenanalyse mit Excel. Wintersemester 2013/14
Datenanalyse mit Excel 1 KORRELATIONRECHNUNG 2 Korrelationsrechnung Ziel der Korrelationsrechnung besteht im bivariaten Fall darin, die Stärke des Zusammenhangs zwischen zwei interessierenden statistischen
MehrEinfache Statistiken in Excel
Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt
MehrAllgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse
Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter
MehrEinseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte
MehrInhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1
Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...
MehrAbschlussklausur (60 Minuten), 15. Juli 2014
Prof. Dr. Amelie Wuppermann Volkswirtschaftliche Fakultät Universität München Sommersemester 2014 Empirische Ökonomie 1 Abschlussklausur (60 Minuten), 15. Juli 2014 Bearbeitungshinweise Die Bearbeitungszeit
MehrPortfoliotheorie. Von Sebastian Harder
Portfoliotheorie Von Sebastian Harder Inhalt - Begriffserläuterung - Allgemeines zur Portfoliotheorie - Volatilität - Diversifikation - Kovarianz - Betafaktor - Korrelationskoeffizient - Betafaktor und
Mehr1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de
1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de Man sollte eine Excel-Tabelle immer so übersichtlich wie möglich halten. Dazu empfiehlt es sich, alle benötigten Daten, Konstanten und Messwerte
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Anne Neumann 21. Oktober 2015 Anne Neumann EWF 21. Oktober 2015 1 / 9 Inhaltsverzeichnis 1 Grobgliederung 2 Grundlagen Anne Neumann EWF 21. Oktober 2015 2 / 9 Grobgliederung
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
Mehr6Korrelationsanalyse:Zusammenhangsanalysestetiger Merkmale
6Korrelationsanalyse:Zusammenhangsanalysestetiger Merkmale 6.1 Korrelationsanalyse 6.1 Korrelationsanalyse Jetzt betrachten wir bivariate Merkmale (X, Y ), wobei sowohl X als auch Y stetig bzw. quasi-stetig
MehrUmgekehrte Kurvendiskussion
Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen
Mehr3 Zusammenhangsmaße Zusammenhangshypothesen
3 Zusammenhangsmaße Zusammenhangshypothesen Zusammenhänge (zwischen 2 Variablen) misst man mittels Korrelationen. Die Wahl der Korrelation hängt ab von: a) Skalenniveau der beiden Variablen: 1) intervallskaliert
MehrRegressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall )
Zusammenhänge von Variablen Regressionsanalysen linearer Zusammenhang ( Idealfall ) kein Zusammenhang nichtlinearer monotoner Zusammenhang (i.d.regel berechenbar über Variablentransformationen mittels
MehrGestaltungsempfehlungen
Gestaltungsempfehlungen Prof. Dr. Günter Daniel Rey 1 Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische Überprüfung Variablenarten Versuchspläne Beispiel eines Experimentes Statistische
MehrAnhang A: Fragebögen und sonstige Unterlagen
Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben
MehrMakroökonomie I Vorlesung 5. Das IS-LM-Modell (Kapitel5)
Leopold von Thadden Makroökonomie I Vorlesung 5 Wintersemester 2013/2014 Das IS-LM-Modell (Kapitel5) Diese Präsentation verwendet Lehrmaterialien von Pearson Studium 2009 Olivier Blanchard/Gerhard Illing:
MehrEine computergestützte Einführung mit
Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrMikroökonomik 9. Vorlesungswoche
Mikroökonomik 9. Vorlesungswoche Tone Arnold Universität des Saarlandes 18. Dezember 2007 Tone Arnold (Universität des Saarlandes) 9. Vorlesungswoche 18. Dezember 2007 1 / 31 Volkswirtschaftliche Rente
MehrMethoden Quantitative Datenanalyse
Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
MehrKernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung
Kernel, Perceptron, Regression Erich Schubert, Arthur Zimek Ludwig-Maximilians-Universität München 2014-07-20 KDD Übung Kernel-Fukctionen Kernel kann mehrdeutig sein! Unterscheidet zwischen: Kernel function
MehrWärmeleitung und thermoelektrische Effekte Versuch P2-32
Auswertung Wärmeleitung und thermoelektrische Effekte Versuch P2-32 Iris Conradi und Melanie Hauck Gruppe Mo-02 7. Juni 2011 Inhaltsverzeichnis Inhaltsverzeichnis 1 Wärmeleitfähigkeit 3 2 Peltier-Kühlblock
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrChristian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG
Christian FG Schendera Regressionsanalyse mit SPSS 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Inhalt Vorworte V 1 Korrelation 1 1.1 Einführung 1 1.2 Erste Voraussetzung: Das Skalenniveau
MehrMotivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit
Fehlerrechnung Inhalt: 1. Motivation 2. Was sind Messfehler, statistische und systematische 3. Verteilung statistischer Fehler 4. Fehlerfortpflanzung 5. Graphische Auswertung und lineare Regression 6.
MehrDie DOE-Funktionen im Assistenten führen Benutzer durch einen sequenziellen Prozess zum Entwerfen und Analysieren eines oder mehrerer Experimente, in
Dieses White Paper ist Teil einer Reihe von Veröffentlichungen, welche die Forschungsarbeiten der Minitab-Statistiker erläutern, in deren Rahmen die im Assistenten der Minitab 17 Statistical Software verwendeten
MehrAlgorithmische Modelle als neues Paradigma
Algorithmische Modelle als neues Paradigma Axel Schwer Seminar über Philosophische Grundlagen der Statistik, WS 2010/11 Betreuer: Prof. Dr. Thomas Augustin München, den 28. Januar 2011 1 / 29 LEO BREIMAN
MehrZeitreihen. Statistik II
Statistik II Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Zum Nachlesen
Mehr12. Bivariate Datenanalyse. In den Kapiteln 4-11 wurden univariate Daten betrachtet:
12. Bivariate Datenanalyse Während einer nur Zahlen im Kopf hat, kann er nicht auf den Kausalzusammenhang kommen Anonymus In den Kapiteln 4-11 wurden univariate Daten betrachtet: Von univariaten Daten
Mehr5. Schließende Statistik. 5.1. Einführung
5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
MehrPortfolio Management
Kapitel 3 Portfolio Management Josef Leydold c 2006 Mathematische Methoden III Portfolio Management 1 / 45 Lernziele Konzept der modernen Portfolio-Theorie Capital Asset Pricing Model Optimieren eines
Mehr1 Statistische Grundlagen
Konzepte in Empirische Ökonomie 1 (Winter) Hier findest Du ein paar Tipps zu den Konzepten in Empirische 1. Wenn Du aber noch etwas Unterstützung kurz vor der Klausur brauchst, schreib uns eine kurze Email.
MehrAuswertung und Darstellung wissenschaftlicher Daten (2)
Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber SPSS-Andrea Payrhuber Ergebnisse dem Skalenniveau der einzelnen Daten entsprechend darstellen. nominalskalierte Daten. ordinalskalierte
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrExtrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrAufgabenstellung Aufgabe 1: Betrachten Sie das folgende ökonometrische Modell: y t = α + βx t + u t (1)
Klausur: Einführung in die Ökonometrie Prüfer: Prof. Dr. Karl-Heinz Paqué Dr.Ludwigv.Auer Semester: WS 1999/00 Als Hilfsmittel sind zugelassen: nicht-programmierbarer Taschenrechner Diese Klausur besteht
MehrPortfolioselection. Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen?
Portfolioselection Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen? Investieren in Aktien ist riskant Risiko einer Aktie kann in 2 Teile zerlegt werden: o Unsystematisches Risiko
Mehr2002/2004 2050 2050 Veränderungen gegenüber 2002/2004 Deutschland Ost und West Basisanahme Basisanahme Annahme hoher Anstieg Annahme hoher Anstieg Mittelwert in % pro Jahr Männer 20,0 25,3 27,2 5,3 7,2
MehrVersuchsauswertung mit Polynom-Regression in Excel
Versuchsauswertung mit Polynom-Regression in Excel Aufgabenstellung: Gegeben sei die in Bild 1 gezeigte Excel-Tabelle mit Messwertepaaren y i und x i. Aufgrund bekannter physikalischer Zusammenhänge wird
MehrMathematik Abitur Zusammenfassung Marius Buila
Mathematik Abitur Zusammenfassung Marius Buila 1.Analysis 1.1 Grundlagen: Ableitung f (u) ist Steigung in Punkt P (u/f(u)) auf K f(x) = a * x r f (x) = a * r * x r-1 Tangentengleichung: y= f (u) * (x-u)
MehrArbeiten mit Excel. 1. Allgemeine Hinweise
1. Allgemeine Hinweise Man sollte eine Excel Tabelle immer so übersichtlich wie möglich halten. Dazu empfiehlt es sich, alle benötigten Daten, Konstanten und Messwerte inklusive aller dazugehörigen Einheiten
MehrGestaltungsempfehlungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Gestaltungsempfehlungen Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische
MehrLinearer Zusammenhang von Datenreihen
Linearer Zusammenhang von Datenreihen Vielen Problemen liegen (möglicherweise) lineare Zusammenhänge zugrunde: Mein Internetanbieter verlangt eine Grundgebühr und rechnet minutenweise ab Ich bestelle ein
MehrAlle WGKT-Empfehlungen können unter www.wgkt.de eingesehen und heruntergeladen werden.
WGKT-Empfehlung Betriebswirtschaftliche Kennzahlen von Krankenhäusern Stand: 05.11.2009 Arbeitskreismitglieder: Prof. Dr. K. Lennerts (Leitung), Karlsruhe; Prof. Dr. C. Hartung, Hannover; Dr. T. Förstemann,
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrEinführung in die Mikroökonomie Angebot und Nachfrage
Einführung in die Mikroökonomie Angebot und Nachfrage Universität Erfurt Wintersemester 07/08 Prof. Dittrich (Universität Erfurt) Angebot und Nachfrage Winter 1 / 39 Themenübersicht Märkte Angebot und
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
MehrEntscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen
Entscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen Referat von Guido RECKE Institut für Agrarökonomie der Georg-August-Universität Göttingen Platz der Göttinger Sieben
MehrMultivariate Analyseverfahren
Multivariate Analyseverfahren Logistische Regression Prof. Dr. Stein 14.01.2014 & 20.01.2014 1 / 62 Inhaltsverzeichnis 1 Grundidee 2 3 4 5 2 / 62 Der Erklärungsgegenstand Soziale Forschungsgegenstände
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
MehrF 23 Beta-Zähler. Inhaltsverzeichnis. Wolfgang Unger, Robert Wagner 25. Juni 2003
F 23 Beta-Zähler Wolfgang Unger, Robert Wagner 25. Juni 2003 Inhaltsverzeichnis 1 Auswertung 2 1.1 Eichung des Proportionalzählers mit 55 F e............. 2 1.2 Energieverlust von 40K im Zählrohr................
MehrEinleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25
Inhaltsverzeichnis Einleitung 19 Zu diesem Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Falsche Voraussetzungen 21 Wie dieses Buch aufgebaut ist 21 Teil I: Datenanalyse und Grundlagen
MehrName: Klasse: Datum: Klassenarbeit Wachstumsvorgänge Kl10-Gruppe B
Name: Klasse: Datum: Teil B Klassenarbeit Wachstumsvorgänge Kl0-Gruppe B. Gegeben ist die Exponentialfunktion y=f x =0.8 2 x ; x R. (9P) a) Geben Sie die folgenden Eigenschaften dieser Funktion an! Wertebereich,
MehrEINFACHE LINEARE REGRESSION MODUL 13 PROSEMINAR DESKRIPTIVE STATISTIK ANALYSE UND DARSTELLUNG VON DATEN I GÜNTER HAIDER WS 1999/2000
INSTITUT FÜR ERZIEHUNGSWISSENSCHAFT - UNIVERSITÄT SALZBURG PROSEMINAR DESKRIPTIVE STATISTIK ANALYSE UND DARSTELLUNG VON DATEN I GÜNTER HAIDER WS 1999/2 MODUL 13 EINFACHE LINEARE REGRESSION Erziehungswissenschaft/Haider
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrName: Klasse: Datum: Klassenarbeit Wachstumsvorgänge Kl10-Gruppe A
Name: Klasse: Datum: Teil B Klassenarbeit Wachstumsvorgänge Kl10-Gruppe A 1. Gegeben ist die Exponentialfunktion y=f x = 0,5 x ; x R. (9P) a) Geben Sie die folgenden Eigenschaften dieser Funktion an! Wertebereich,
MehrInstitut für Technische Chemie Technische Universität Clausthal
Institut für Technische Chemie Technische Universität Clausthal Technisch-chemisches Praktikum TCB Versuch: Filtration Einleitung Ein in einer Flüssigkeit suspendierter Feststoff kann durch Filtrieren
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 9B a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Man kann erwarten, dass der Absatz mit steigendem Preis abnimmt, mit höherer Anzahl der Außendienstmitarbeiter sowie mit erhöhten
MehrStandardisierte kompetenzorientierte schriftliche Reifeprüfung AHS. 11. Mai 2015. Mathematik. Teil-2-Aufgaben. Korrekturheft. öffentliches Dokument
Standardisierte kompetenzorientierte schriftliche Reifeprüfung AHS 11. Mai 2015 Mathematik Teil-2-Aufgaben Korrekturheft Aufgabe 1 200-m-Lauf a) Lösungserwartung: s (t) = 7 75 t + 1,4 s (t) = 7 75 s (t)
Mehr